Modelagem e predição da situação acadêmica de alunos de educação a distância.

A possibilidade de prever com antecedencia o risco de reprovacao de um estudante em um curso a distância e de grande valia para professores e tutores. Neste trabalho mostramos resultados da aplicacao de tecnicas de aprendizado de m´aquina nesta tarefa, utilizando como atributos unicamente contagens de interacoes ao longo do tempo. Mostramos que redes bayesianas sao adequadas ao problema. Vimos que a introducao de atributos derivados das contagens (e.g. medias) sao uteis para previsoes mais precisas quando a quantidade de dados e esparsa e que utilizando conjuntos de dados balanceados em relacao a aprovados e reprovados aumenta a predicao dos reprovados. Mostramos ainda a possibilidade de treinar os modelos em diferentes situacoes, como entre turmas e entre semestres diferentes.